تانسور "ورودی" را به یک تانسور شناور یا bfloat16 تبدیل کنید.
[min_range، max_range] شناورهای اسکالر هستند که محدوده ای را برای خروجی مشخص می کنند. ویژگی 'mode' دقیقاً کنترل می کند که کدام محاسبات برای تبدیل مقادیر شناور به معادل های کوانتیزه شده آنها استفاده می شود.
در حالت "MIN_COMBINED"، هر مقدار تانسور تحت شرایط زیر قرار می گیرد:
if T == qint8: in[i] += (range(T) + 1)/ 2.0
out[i] = min_range + (in[i]* (max_range - min_range) / range(T))
در اینجا «محدوده (T) = محدودیتهای_عددیمثال حالت MIN_COMBINED
اگر ورودی از QuantizedRelu6 باشد، نوع خروجی quint8 (محدوده 0-255) است اما محدوده احتمالی QuantizedRelu6 0-6 است. بنابراین مقادیر min_range و max_range 0.0 و 6.0 هستند. Dequantize در quint8 هر مقدار را می گیرد، ریخته می شود تا شناور شود، و در 6 / 255 ضرب می شود. توجه داشته باشید که اگر quantizedtype qint8 باشد، عملیات به علاوه هر مقدار را 128 قبل از ریخته گری اضافه می کند.
اگر حالت "MIN_FIRST" باشد، از این روش استفاده می شود:
num_discrete_values = 1 << (# of bits in T)
range_adjust = num_discrete_values / (num_discrete_values - 1)
range = (range_max - range_min) * range_adjust
range_scale = range / num_discrete_values
const double offset_input = static_cast<double>(input) - lowest_quantized;
result = range_min + ((input - numeric_limits<T>::min()) * range_scale)
اگر حالت "مقیاس" باشد، کمی سازی با ضرب هر مقدار ورودی در یک scaling_factor انجام می شود. (بنابراین ورودی 0 همیشه به 0.0 نشان داده می شود).ضریب_مقیاسسازی از «محدوده_حداکثر»، «محدوده_حداکثر» و «محدوده_باریک» بهگونهای تعیین میشود که با «QuantizeAndDequantize{V2|V3}» و «QuantizeV2» با استفاده از الگوریتم زیر سازگار است:
const int min_expected_T = std::numeric_limits<T>::min() +
(narrow_range ? 1 : 0);
const int max_expected_T = std::numeric_limits<T>::max();
const float max_expected_T = std::numeric_limits<float>::max();
const float scale_factor =
(std::numeric_limits<T>::min() == 0) ? (max_range / max_expected_T)
: std::max(min_range / min_expected_T,
max_range / max_expected_T);
کلاس های تو در تو
کلاس | Dequantize.گزینه ها | ویژگی های اختیاری برای Dequantize |
ثابت ها
رشته | OP_NAME | نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود |
روش های عمومی
خروجی <U> | asOutput () دسته نمادین تانسور را برمیگرداند. |
استاتیک Dequantize.Options | محور (محور طولانی) |
static <U TNumber را گسترش می دهد > Dequantize <U> | |
استاتیک Dequantize < TFloat32 > | |
استاتیک Dequantize.Options | حالت (حالت رشته ای) |
استاتیک Dequantize.Options | محدوده باریک (محدوده باریک بولی) |
خروجی <U> | خروجی () |
روش های ارثی
ثابت ها
رشته نهایی ثابت عمومی OP_NAME
نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود
روش های عمومی
خروجی عمومی <U> asOutput ()
دسته نمادین تانسور را برمیگرداند.
ورودی های عملیات TensorFlow خروجی های عملیات تنسورفلو دیگر هستند. این روش برای به دست آوردن یک دسته نمادین که نشان دهنده محاسبه ورودی است استفاده می شود.
عمومی استاتیک Dequantize <U> ایجاد ( دامنه دامنه ، عملوند <? گسترش TType > ورودی، عملوند < TFloat32 > minRange، عملوند < TFloat32 > maxRange، Class<U> dtype، گزینهها... گزینهها)
روش Factory برای ایجاد کلاسی که یک عملیات Dequantize جدید را بسته بندی می کند.
پارامترها
دامنه | محدوده فعلی |
---|---|
Min Range | حداقل مقدار اسکالر که احتمالاً برای ورودی تولید می شود. |
حداکثر دامنه | حداکثر مقدار اسکالر که احتمالاً برای ورودی تولید می شود. |
dtype | نوع تانسور خروجی در حال حاضر Dequantize از float و bfloat16 پشتیبانی می کند. اگر 'dtype' 'bfloat16' باشد، فقط از حالت 'MIN_COMBINED' پشتیبانی می کند. |
گزینه ها | مقادیر ویژگی های اختیاری را حمل می کند |
برمی گرداند
- نمونه جدیدی از Dequantize
عمومی استاتیک Dequantize < TFloat32 > ایجاد ( scope scope، Operand <? گسترش TType > input، Operand < TFloat32 > minRange، Operand < TFloat32 > maxRange، Options... گزینه ها)
روش کارخانه برای ایجاد کلاسی که یک عملیات Dequantize جدید را با استفاده از انواع خروجی پیشفرض بسته بندی میکند.
پارامترها
دامنه | محدوده فعلی |
---|---|
Min Range | حداقل مقدار اسکالر که احتمالاً برای ورودی تولید می شود. |
حداکثر دامنه | حداکثر مقدار اسکالر که احتمالاً برای ورودی تولید می شود. |
گزینه ها | مقادیر ویژگی های اختیاری را حمل می کند |
برمی گرداند
- نمونه جدیدی از Dequantize